适于硬件实现的3D SPIHT算法优化设计

通过对一种可精确控制压缩率的三维多分等级树(3D SPIHT)编码算法的分析,为提高编码速度,改进了3D SPIHT的算法结构,简化了动态分配内存的链表结构,采用位图映射的方式固定分配内存,可减少内存86.6%,无需进行硬件难以实现的链表操作. 变三维地址为线性地址,并在预处理时建立子代最大值映射表,减少了零树判断的时间. 实验结果证明,与原算法相比,当压缩比小于26.7时,优化后算法的速度提高了10倍以上,为进一步的VLSI设计奠定了基础.     

基于粗集理论的教学评估体系优化方法

在教学评估过程中,采用粗集理论的属性约简算法可以优化指标评价体系,剔出冗余指标。该方法根据区分矩阵原理构建属性频率函数,进而分析出关键性指标。算例结果显示,根据选出的5个指标依然有很高的分类质量和分类精度,证明了该方法是可行的。     

土地收储项目风险评估的模糊综合评价模型

针对土地收储项目风险的评估,综合运用正态分布检验、层次分析、模糊综合评价、残差分析等方法,以及Matlab7、Excel、Eviews6等编程软件,分析了土地收储项目风险指标与项目风险的关系,并依托模糊综合评价模型,给出了基于四个风险指标的风险评估方法。     

GM(1,1)模型初始条件和初始点的优化

在对GM(1,1)模型的初始条件进行优化时,由于优化的目标函数为误差平方和最小,而模型的检验标准为平均相对误差最小,两个准则的不一致性导致优化效果不理想.本文以相对误差平方和最小为目标优化GM(1,1)模型,分别对初始条件和初始点进行优化,给出优化的计算公式,并证明在原始序列相对误差平方和最小的准则下,初始条件优化和初始点优化是统一的.实例表明运用优化公式与数值最优解计算得到的模型平均相对误差非常接近,且运用优化公式比数值解求解更方便.     

基于Choquet积分的区间灰数多属性决策方法

针对多属性决策中属性间的关联性对决策结果的影响,提出了基于区间灰数灰度和Choquet积分的区间灰数多属性决策方法。根据区间灰数灰度的定义,证明了区间灰数的灰度是一种灰测度,由此定义了关于区间灰数灰度的离散Choquet积分并证明其性质;依据各方案的综合属性值的方差最小的原则建立多目标优化模型,确定了各属性或属性集的权重,最后利用Choquet积分对各方案的效果评价向量进行集成。通过实例说明了该方法的有效性。     

区间三角模糊软集及其动态决策方法

为完善模糊软集理论,提出区间三角模糊软集的概念,并讨论其相关运算及性质。建立基于区间三角模糊软集的动态决策模型,其中,时间权重采用指数衰减方法进行确定,利用集成的思想定义了区间三角模糊软集算术加权平均算子,将不同时刻的区间三角模糊软集集成为综合区间三角模糊软集。给出不同对象选择值和决策值的求解公式,根据决策值大小来实现最优决策。最后总结出方法的具体步骤,并通过实例说明具体应用。     

基于量子模糊聚类算法的复杂网络社团结构探测

研究了复杂网络的社团结构特性,探讨了复杂网络的社团结构探测算法.针对现有算法中判断社团结构时的主观性问题,提出了量子模糊聚类算法,并将该算法用于复杂网络社团结构的探测.实验结果表明:该算法可以准确、有效地探测到网络中实际存在的社团结构.     

P-集合与基数亏-余定理

利用有限普通元素集合概念与P-集合的结构,给出P-集合基数亏-余特征,提出基数亏-余定理,基数离散区间定理与属性基数余-亏准则,给出这些理论结果的应用.     

基于模糊决策的不完整数据分类算法

中医药领域不完整的数据普遍存在,而数据的不完整很大程度地降低分类模型的学习效果。大多数已有的处理不完整数据的分类算法只关注在其学习阶段处理不完整数据,而对于不完整数据出现在分类阶段则不能处理或效果不好。文章提出一种新的分类算法用于处理不完整数据的分类问题。首先给出一个新的用于处理不完整数据的决策树算法,并针对传统的Boosting算法在迭代过程中使用确定性决策方法而没有充分考虑到数据集中的不完整数据,进一步提出改进的Boosting算法,在迭代过程中对每一个假设使用模糊决策方法,权重的更新机制是增加错误分类样本的权重和减少正确分类样本的权重,最终使用加权投票的方式得出最优的分类结果。最后,通过两组实验证明提出的算法策略在处理不完整数据问题时的优越性。     

求解常微分方程组初值问题的函数逼近法

提出了求解一阶常微分方程组初值问题的一种新的数值方法——函数逼近法,并给出了数值试验,以具体实例验证该方法有效.